CN103761707B - 一种快速高效去除图像椒盐噪声的均值滤波方法 - Google Patents
一种快速高效去除图像椒盐噪声的均值滤波方法 Download PDFInfo
- Publication number
- CN103761707B CN103761707B CN201310719021.4A CN201310719021A CN103761707B CN 103761707 B CN103761707 B CN 103761707B CN 201310719021 A CN201310719021 A CN 201310719021A CN 103761707 B CN103761707 B CN 103761707B
- Authority
- CN
- China
- Prior art keywords
- image
- filter window
- pixel
- noise
- center pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000006002 Pepper Substances 0.000 title claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 241001504519 Papio ursinus Species 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 235000002566 Capsicum Nutrition 0.000 description 4
- 241000722363 Piper Species 0.000 description 4
- 235000016761 Piper aduncum Nutrition 0.000 description 4
- 235000017804 Piper guineense Nutrition 0.000 description 4
- 235000008184 Piper nigrum Nutrition 0.000 description 4
- 238000011084 recovery Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种快速高效去除图像椒盐噪声的均值滤波方法。包括以下步骤:8位灰度图像中,设定图像的滤波窗口,若中心像素灰度值为0或者255,则为疑似噪声像素,否则为信号像素;若为疑似噪声像素,从边界像素中提取信号像素构成集合,若为信号像素,则不处理;若提取的信号像素所构成集合为非空集,不处理;若为空集,则将滤波窗口大小加2,直至新集合为非空集;再用集合的元素灰度值均值代替,重复上述步骤处理直至所有疑似噪声像素,得到滤波处理后的图像。本发明具有良好的消除噪声和保持细节的能力,实用性强;实现了图像的自适应滤波,可简单、高效地去除高密度椒盐噪声,保留边缘及图像细节,效率远优于传统的滤波方法。
Description
技术领域
本发明涉及一种去除图像椒盐噪声的方法,尤其是涉及一种快速高效去除图像椒盐噪声的均值滤波方法。
背景技术
图像在采集、传输和接收过程中受到外界环境、传感器元件质量等因素影响,引入了不同类型的噪声导致图像质量下降,其中椒盐噪声是常见的噪声之一。能否有效地去除椒盐噪声对图像分割、图像特征识别等具有重要作用。传统处理椒盐噪声的方法采用与图像有关的参数来检测、消除噪声,但在去除噪声的同时,也会修改非噪声像素的灰度值,且计算时间较长。
发明内容
为了解决背景技术中的问题,本发明提出了一种快速高效去除图像椒盐噪声的均值滤波方法,应用于去除图像椒盐噪声,简单、快速、高效。
本发明的技术方案包括以下步骤:
1)8位灰度图像中,令被椒盐噪声污染的图像X的滤波窗口大小W为N×N,若该滤波窗口的中心像素灰度值x(i,j)为0或者255,则该像素为疑似噪声像素,否则为信号像素;
2)若该滤波窗口的中心像素为疑似噪声像素,从滤波窗口的边界像素中提取该滤波窗口中的信号像素构成集合Ωs 0,初始集合Ωs 0如下公式1所示:
Ωs 0={{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n=j-(N-1)/2}∪{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n=j+(N-1)/2}∪{x(m,n)|j+1-(N-1)/2≤n≤j-1+(N-1)/2,m=i-(N-1)/2}∪{x(m,n)|j+1–(N-1)/2≤n≤j-1+(N-1)/2,m=i+(N-1)/2}}∩{x(m,n)|x(m,n)≠0}∩{x(m,n)|x(m,n)≠255}(1)
其中,m为滤波窗口中除中心像素以外的其他像素的横坐标,n为滤波窗口中除中心像素以外的其他像素的纵坐标,i为滤波窗口的中心像素的横坐标,j为滤波窗口的中心像素的纵坐标;若该滤波窗口的中心像素为信号像素,则不进行任何处理;
3)若步骤2)得到的集合Ωs 0为非空集,不进行任何处理;若步骤2)得到的集合Ωs 0为空集,则继续将滤波窗口大小W加2,针对大小加2后的滤波窗口重复步骤2)构造新集合,直到新集合Ωs 1为非空集;
4)将该滤波窗口的中心像素灰度值x(i,j)用集合Ωs 1中的元素灰度值均值代替,进行滤波处理,得到该中心像素滤波处理后的像素y(i,j),即y(i,j)=mean(y(m,n),y(m,n)∈Ωs 1);
5)对于被椒盐噪声污染的图像X中的其他初始滤波窗口中的疑似噪声像素,重复2)到4)直至完成所有疑似噪声像素的滤波处理,得到滤波处理后的图像Y。
所述的N为至少大于3的奇数。
本发明具有的有益的效果是:
对噪声密度为1%~99%的图像,均具有良好的消除噪声和保持细节的能力,实用性强;
针对性地选择滤波窗口下的疑似噪声像素,避免了无谓的计算和图像细节的损失;
有效选择信号像素集合并对疑似噪声像素进行滤波。仅选择滤波窗口边界中的信号像素参与滤波,参与滤波的像素个数少且有效性高,能大大减少所采用方法的计算量;
取信号像素集合的均值作为输出,对于特高密度的噪声滤波效果非常有效,因未对信号像素进行排序操作,减少了计算量;
该方法不需人为设定阈值,实现了图像的自适应滤波,可简单、高效地去除高密度椒盐噪声,保留边缘及图像细节,运算时间远小于传统的滤波方法。
附图说明
图1为实施例的滤波窗口示意图。
图2为实施例90%的噪声图像Couple及四种方法对其滤波后的结果。
图3为实施例90%的噪声图像Lena及四种方法对其滤波后的结果。
图4为实施例90%的噪声图像Pepper及四种方法对其滤波后的结果。
图5为实施例90%的噪声图像Man及四种方法对其滤波后的结果。
图6为实施例95%的噪声图像Baboon及四种方法对其滤波后的结果。
图7为实施例96%的噪声图像Baboon及四种方法对其滤波后的结果。
图8为实施例97%的噪声图像Baboon及四种方法对其滤波后的结果。
图9为实施例98%的噪声图像Baboon及四种方法对其滤波后的结果。
图10为实施例99%的噪声图像Baboon及四种方法对其滤波后的结果。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明方法包括以下步骤:
1)8位灰度图像中,设定被椒盐噪声污染的图像X的滤波窗口大小W为N×N,若该滤波窗口的某像素的灰度值x(i,j)为0或者255,则该像素为疑似噪声像素,否则为信号像素;
2)若该滤波窗口的中心像素为疑似噪声像素,根据与中心像素距离越近的像素,其与中心像素的灰度值差值越小的准则,从滤波窗口的边界像素(图1的四根线段围成的黑色加粗部分)中提取该滤波窗口中的信号像素构成集合Ωs 0,初始集合Ωs 0如下公式1所示:
Ωs 0={{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n=j-(N-1)/2}∪{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n=j+(N-1)/2}∪{x(m,n)|j+1-(N-1)/2≤n≤j-1+(N-1)/2,m=i-(N-1)/2}∪{x(m,n)|j+1–(N-1)/2≤n≤j-1+(N-1)/2,m=i+(N-1)/2}}∩{x(m,n)|x(m,n)≠0}∩{x(m,n)|x(m,n)≠255}(1)
其中,m为滤波窗口中除中心像素以外的其他像素的横坐标,n为滤波窗口中除中心像素以外的其他像素的纵坐标,i为滤波窗口的中心像素的横坐标,j为滤波窗口的中心像素的纵坐标;若该滤波窗口的中心像素为信号像素,则不进行任何处理;
3)若步骤2)得到的集合Ωs 0为非空集,不进行任何处理;若步骤2)得到的集合Ωs 0为空集,则继续将滤波窗口大小W加2,针对大小加2后的滤波窗口重复步骤2)构造新集合,直到新集合Ωs 1为非空集;
4)将该滤波窗口的中心像素灰度值x(i,j)用新集合Ωs 1中的元素灰度值均值代替,进行滤波处理,得到该中心像素滤波处理后的像素y(i,j),即y(i,j)=mean(y(m,n),y(m,n)∈Ωs 1);
5)对于被椒盐噪声污染的图像X中的其他初始滤波窗口中的疑似噪声像素,重复2)到4)直至完成所有疑似噪声像素的滤波处理,得到滤波处理后的图像Y。
所述的N为至少大于3的奇数。
实施例
选择5幅512×512大小的256级灰度级图像作为测试图像,5幅图像分别命名为图像Couple,图像Lena,图像Pepper,图像Man,图像Baboon,给前4幅测试图像分别加入20%、40%、60%、80%、90%、95%的椒盐噪声,与其它三种常用方法PSMF(Progressiveswitchingmedianfilterfortheremovalofimpulsenoisefromhighlycorruptedimages)、DBA(Anewfastandefficientdecision-basedalgorithmforremovalofhigh-densityimpulsenoises)、NAFSMF(Noiseadaptivefuzzyswitchingmedianfilterforsaltandpeppernoisereduction)进行对比,用峰值信噪比PSNR(db)来衡量四种方法的去噪能力。
本发明方法的滤波窗口如图1所示。8位灰度图像中,设定被椒盐噪声污染的图像X的初始滤波窗口大小W为3×3,若图1中的黑色实体正方形为疑似噪声像素,则相应进行上述的滤波处理。
根据与中心像素距离越近的像素,其与中心像素的灰度值差值越小的准则,从滤波窗口的3×3边界像素(图1的四根线段围成的的黑色加粗部分)中提取该滤波窗口中的信号像素构成集合Ωs 0;
得到的集合Ωs 0为空集,则继续将滤波窗口大小W加2,得到新集合Ωs 1,新集合Ωs 1为非空集;
将该中心像素灰度值x(i,j)用新集合Ωs 1中的元素的灰度值均值代替,进行滤波处理,得到该中心像素滤波处理后的像素y(i,j);
重复以上步骤直至完成图像中所有疑似噪声像素的滤波处理,得到滤波处理后的图像Y。
最终测试结果如表1到表4所示。
表1图像Couple的测试结果
表2图像Lena的测试结果
表3图像Pepper的测试结果
表4图像Man的测试结果
图2~图5分别是图像Couple,图像Lena,图像Pepper,图像Man的噪声密度为90%时,四种方法滤波后的图像;图6~图10是图像Baboon的噪声密度分别为95%、96%、97%、98%、99%时,四种方法滤波后的图像。在每个图例中,从左到右依次为:带有噪声的图像、PSMF方法恢复后的图像、DBA方法恢复后的图像、NAFSM方法恢复后的图像,以及本方法恢复后的图像。
四种方法的运算时间如表5所示,表5中的测试图像为带有90%噪声的图像Man(MALAB7,CPU为IntelCore22.2GHz,内存2G)。
表5四种方法的运算时间
上述具体实施方式用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (2)
1.一种快速高效去除图像椒盐噪声的均值滤波方法,其特征在于:包括以下步骤:
1)8位灰度图像中,令被椒盐噪声污染的图像X的滤波窗口大小W为N×N,若该滤波窗口的中心像素灰度值x(i,j)为0或者255,则该像素为疑似噪声像素,否则为信号像素;
2)若该滤波窗口的中心像素为疑似噪声像素,从滤波窗口的边界像素中提取该滤波窗口中的信号像素构成集合Ωs 0,初始集合Ωs 0如下公式(1)所示:Ωs 0={{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n=j-(N-1)/2}∪{x(m,n)|i-(N-1)/2≤m≤i+(N-1)/2,n=j+(N-1)/2}∪{x(m,n)|j+1-(N-1)/2≤n≤j-1+(N-1)/2,m=i-(N-1)/2}∪{x(m,n)|j+1–(N-1)/2≤n≤j-1+(N-1)/2,m=i+(N-1)/2}}∩{x(m,n)|x(m,n)≠0}∩{x(m,n)|x(m,n)≠255}(1)
其中,m为滤波窗口中除中心像素以外的其他像素的横坐标,n为滤波窗口中除中心像素以外的其他像素的纵坐标,i为滤波窗口的中心像素的横坐标,j为滤波窗口的中心像素的纵坐标;若该滤波窗口的中心像素为信号像素,则不进行任何处理;
3)若步骤2)得到的集合Ωs 0为非空集,不进行任何处理;若步骤2)得到的集合Ωs 0为空集,则继续将滤波窗口大小W加2,针对大小加2后的滤波窗口重复步骤2)构造新集合,直到新集合Ωs 1为非空集;
4)将该滤波窗口的中心像素灰度值x(i,j)用集合Ωs 1中的元素灰度值均值代替,进行滤波处理,得到该中心像素滤波处理后的像素y(i,j),即y(i,j)=mean(y(m,n),y(m,n)∈Ωs 1);
5)对于被椒盐噪声污染的图像X中的其他初始滤波窗口中的疑似噪声像素,重复2)到4)直至完成所有疑似噪声像素的滤波处理,得到滤波处理后的图像Y。
2.根据权利要求1所述的一种快速高效去除图像椒盐噪声的均值滤波方法,其特征在于:所述的N为至少大于3的奇数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310719021.4A CN103761707B (zh) | 2013-12-20 | 2013-12-20 | 一种快速高效去除图像椒盐噪声的均值滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310719021.4A CN103761707B (zh) | 2013-12-20 | 2013-12-20 | 一种快速高效去除图像椒盐噪声的均值滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103761707A CN103761707A (zh) | 2014-04-30 |
CN103761707B true CN103761707B (zh) | 2016-04-13 |
Family
ID=50528940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310719021.4A Active CN103761707B (zh) | 2013-12-20 | 2013-12-20 | 一种快速高效去除图像椒盐噪声的均值滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761707B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167005A (zh) * | 2014-07-07 | 2014-11-26 | 浙江大学 | 一种基于相似度函数的自适应加权椒盐噪声滤波方法 |
CN104915938B (zh) * | 2015-07-02 | 2017-08-01 | 中国人民解放军国防科学技术大学 | 一种高密度椒盐噪声污染图像修复方法 |
CN105787890B (zh) * | 2016-01-28 | 2018-10-12 | 河南师范大学 | 自适应等距模板迭代均值滤波的图像去噪方法 |
CN106600566B (zh) * | 2016-12-28 | 2019-10-29 | 辽宁师范大学 | 非局部可转换滤波图像椒盐噪声去除方法 |
CN108320269A (zh) * | 2017-01-18 | 2018-07-24 | 重庆邮电大学 | 一种高效消除高密度椒盐噪声的方法 |
CN106910170B (zh) * | 2017-01-26 | 2019-10-29 | 苏州大学 | 一种图像椒盐噪声的去除方法 |
CN108416740B (zh) * | 2018-01-22 | 2021-09-14 | 大连大学 | 一种消除椒盐噪声的迭代自适应中值滤波方法 |
CN110660029B (zh) * | 2019-09-12 | 2022-05-06 | 深兰科技(上海)有限公司 | 一种图像处理方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6535860B1 (en) * | 1999-08-02 | 2003-03-18 | National Science Council | Design and hardware synthesis of adaptive weighted fuzzy mean image filter |
CN102663706A (zh) * | 2012-04-23 | 2012-09-12 | 河北师范大学 | 基于菱形模板的自适应加权均值滤波方法 |
CN103247025A (zh) * | 2012-02-06 | 2013-08-14 | 河北师范大学 | 基于圆形自适应模板的图像加权均值滤波方法 |
-
2013
- 2013-12-20 CN CN201310719021.4A patent/CN103761707B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6535860B1 (en) * | 1999-08-02 | 2003-03-18 | National Science Council | Design and hardware synthesis of adaptive weighted fuzzy mean image filter |
CN103247025A (zh) * | 2012-02-06 | 2013-08-14 | 河北师范大学 | 基于圆形自适应模板的图像加权均值滤波方法 |
CN102663706A (zh) * | 2012-04-23 | 2012-09-12 | 河北师范大学 | 基于菱形模板的自适应加权均值滤波方法 |
Non-Patent Citations (3)
Title |
---|
《基于2级噪声检测的改进中值滤波算法》;王益艳等;《计算机工程与设计》;20080630;第29卷(第11期);全文 * |
《基于相关度预测的椒盐噪声自适应滤除算法》;刘明坤等;《软件导刊》;20100630;第9卷(第6期);全文 * |
《沿边局部灰度差分椒盐噪声滤波》;孔勇奇等;《中国图象图形学报》;20130331;第18卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103761707A (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761707B (zh) | 一种快速高效去除图像椒盐噪声的均值滤波方法 | |
CN108805840B (zh) | 图像去噪的方法、装置、终端及计算机可读存储介质 | |
CN104240240B (zh) | 一种基于fpga的红外小目标检测方法及系统 | |
CN102479383B (zh) | 椒盐噪声去除方法及装置 | |
CN103337053B (zh) | 一种基于开关非局部全变分的椒盐噪声污染图像滤波方法 | |
CN104167005A (zh) | 一种基于相似度函数的自适应加权椒盐噪声滤波方法 | |
CN102663702A (zh) | 基于区域划分的自然图像去噪方法 | |
CN101877123A (zh) | 一种图像增强方法和装置 | |
Youlian et al. | An improved median filtering algorithm combined with average filtering | |
Lebrun et al. | The noise clinic: A universal blind denoising algorithm | |
CN103778611A (zh) | 利用边缘检测的开关加权矢量中值滤波方法 | |
CN104751426A (zh) | 基于三维块匹配变换去除高密度脉冲噪声的方法 | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
Veerakumar et al. | An approach to minimize very high density salt and pepper noise through trimmed global mean | |
CN107341459A (zh) | 一种基于分数阶微积分的人脸检测图像预处理方法 | |
Sunilkumar et al. | Removal of high density impulse noise through modified non-linear filter | |
CN107909555B (zh) | 一种保持锐度的网格噪声消除方法 | |
CN101345812A (zh) | 基于分块统计的黑白文档影像降噪方法 | |
CN102223469B (zh) | 一种基于彩色图像的椒盐噪声滤波方法 | |
CN105718851A (zh) | 应用于指纹传感器的指纹图像滤波方法和装置 | |
Lakshmi et al. | Impulse Noise Removal Inimages Using Modified Trimmed Median Filter: Matlab Implementation And Comparitive Study | |
Khodambashi et al. | An impulse noise fading technique based on local histogram processing | |
CN101231744A (zh) | 角膜内皮细胞图像处理方法 | |
CN103905822A (zh) | 一种基于视觉敏感度和空域滤波的低比特压缩图像去块效应方法 | |
JP4566803B2 (ja) | 動画像用電子透かし検出のための空間同期回復方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |